Examinando por Materia "CLASIFICACION DE IMAGENES"

Mostrando1 - 5 de 5
  • Proyecto final de Grado
    Automated detection of facial expressions using image analysis
    (2019-07-05) Casagrande, Lucas; Kuyumciyan, Nicolás; Gambini, Juliana
    "The broad range of applications for automatic expression detection sparks the need for a robust and effective implementation. In this paper, an exposition of the existing methods most frequently used for this purpose is done, and an analysis of their performance is carried out. These include both feature detection methods such as Gabor filters and Histograms of Gradients as well as classifiers based in neural networks. Existing data sets consisting of images of persons faces with a labeled expression are used for training and testing purposes. A success rate of 87.6% is achieved when classifying images with up to four different expressions."
  • Trabajo final de especialización
    Clasificación automática de imágenes de góndolas de supermercados
    (2020-06-16) Simone, Franco; Gambini, Juliana
    "El presente trabajo de investigación pretende crear un algoritmo de aprendizaje automático que permita realizar la clasificación automática de las imágenes de las góndolas de productos de los supermercados tomadas por los repositores de la compañía, identificando cuales góndolas fueron confeccionadas de acuerdo al planograma previamente establecido por el equipo de Trade Marketing y cuáles no."
  • Trabajo final de especialización
    Clasificación de expresiones faciales en imágenes
    (2020-09-09) Markous, Pablo; Gambini, Juliana
    "El trabajo busca encontrar un método automático de clasificación para la expresión que representa el rostro en una imagen. Partiendo de un conjunto de imágenes que se asume que ya están correctamente clasificadas, para entrenar un modelo que pueda predecir cualquier imagen no clasificada. Se busca también poder medir la precisión obtenida en la clasificación. Para esto se subdivide en dos partes el conjunto de imágenes iniciales y se reserva una de las partes para que el modelo prediga el estado anímico de la persona que se encuentra en la foto. Finalmente se compara ese valor con el real y se estima un valor de precisión. Finalmente, se implementa el modelo en un ejemplo que clasifique imágenes en tiempo real."
  • Proyecto final de Grado
    Detección de emociones faciales
    (2020-12-07) Pérez Sammartino, Francisco; Di Giovanni Martínez, Andrés; Gambini, Juliana
    "Existe una gran variedad de aplicaciones para la detección de emociones faciales. Entre ellas se encuentran las utilizadas para obtener la satisfacción del cliente en un banco, o el nivel de fatiga de un conductor de un vehículo. En algunas es necesario que la detección se realice con eficiencia en tiempo mientras que en otras la precisión en la detección es más importante. En el caso de que sea necesario un procesamiento en tiempo real, la rapidez de los resultados será prioritaria, mientras que en el análisis ’off-line’, la precisión es lo más importante. En este trabajo, se realiza una exposición de los métodos existentes para detección de emociones, utilizados actualmente con diferentes objetivos y enfoques. A partir de ello, se presentan las mejoras propuestas, y el desarrollo de un método que permite el reconocimiento de las emociones de las personas en videos, o en tiempo real. La aplicación utiliza máquinas de vectores de soporte (SVM) para realizar la clasificación de las emociones, técnicas de rotación planar para corregir la pose, y sistema se seguimiento de caras para poder aplicarlo en presencia de múltiples personas. Dado que el medio por el cuál se transmiten los videos o imágenes, como el WiFi, puede contaminarlos con ruido, es importante que el sistema sea resiliente a dichas alteraciones. Para evaluar esta capacidad se realiza un estudio sobre el impacto del grado de contaminación de la información recibida, sobre el resultado. Se alcanza una precisión muy adecuada al distinguir, en imágenes, las emociones de miedo, alegría, disgusto, neutralidad, tristeza, sorpresa, y enojo."
  • Trabajo final de especialización
    Entrenamiento de un modelo de IA para el procesamiento de imágenes todo cielo y clasificación de nubes
    (2022) Loyber, Pablo José; Lorenzatto, Pablo Andrés
    "En este trabajo se va a explorar la factibilidad de la clasificación automática de nubes observadas con una cámara cenital “todo cielo” mediante técnicas de computer visión y el entrenamiento de una red neuronal con un set de imágenes obtenidas con dichas cámaras. Para ello, el principal desafío fue el armado de un conjunto de datos coherente para el entrenamiento de la red, esto es, conjunto de imágenes clasificadas de acuerdo a clases predefinidas."